Académique Documents
Professionnel Documents
Culture Documents
Thème
BH-Bank
Je dédie ce mémoire :
À ma très chère mère, aucune dédicace très chère maman, ne pourrait exprimer la
profondeur des sentiments que j’éprouve pour vous, vos sacrifices innombrables et votre
dévouement firent pour moi un encouragement. Vous m’avez aidé et soutenu pendant de
nombreuses années avec à chaque fois une attention renouvelée ;
À mon père, qui peut être fier de trouver ici le résultat de longues années de privations
pour m’aider à avancer dans la vie. J’espère que vous y trouverez les fruits de votre semence
et le témoignage de ma grande fierté de vous avoir comme père ;
À mon mari, pour l’amour et l’affection qui nous unissent ; je ne saurais exprimer ma
profonde reconnaissance pour le soutien continu dont tu as toujours fait preuve. Ton soutien
et tes efforts m’ont permis de réaliser le rêve tant attendu ;
À mon frère, Ta bonté, ton précieux soutien, ton encouragement tout au long de mes
années d’étude, ton amour et ton affection, ont été pour moi l’exemple de persévérance, tu as
été toujours une épaule pour moi et surtout pour mon fils ;
À mes chers enfants, Je mets entre vos mains, le fruit de longues années d'études, de longs
mois de distance de votre amour de votre tendresse, de longs jours d'apprentissage ;
À toute la famille de mon mari à mes proches, qui m’ont toujours soutenu et encouragé;
Qu’ils reçoivent, à travers ce travail aussi modeste soit-il, l’expression de mes sentiments et
de mon éternelle gratitude.
Oumaima
Remerciements
Je tiens également, à remercier les membres de jury qui ont accepté d’évaluer ce travail de
recherche ;
Je tiens aussi à remercier tout le corps professoral et administratif de l’IFID, qu’il trouve
ici l’expression de ma profonde reconnaissance ;
Enfin, je tiens à remercier, au terme de ce mémoire, tous ceux qui m’ont aidé et ont
contribué, d’une manière ou d’une autre, à la réalisation de ce travail de recherche.
Liste des abréviations
I N T R O D U C T I O N G E N E R A L E ........................................................................................................... 1
C H A P I T R E I . L A G E S T I O N A C T I F - P A S S I F B A N C A I R E , M E T H O D E S E T P RA T I Q U E S
E X I S T A N T E S D E M O D E L I S A T I O N D E S R E S S O U R C ES A V U E ................................................ 6
SECTION II. L’enjeu des dépôts a vue en gestion actif -passif : étude bibliogr aphique
......................................................................................................................................................... 27
SECTION III. STRESS TESTING ET IMPACT SUR LES INDICATEURS DE MESURE ......... 61
C O N C L U S I O N G E N E R A L E ............................................................................................................. 71
R E F E R E N C E S BI B L I O G R AP H I Q U E S ............................................................................................. 74
A N N E X E S ........................................................................................................................................... 80
Intr odu ction Gé néra le
I NTRODUCTION G ENERALE
Page 1 sur 99
Intr odu ction Gé néra le
La gestion des risques est une discipline ancienne. En revenant un peu en arrière dans
l’histoire, plusieurs établissements financiers ont connu une vague de faillites retentissante.
En moyenne, le système financier connait une crise majeure une fois par siècle. Ainsi, en se
prolongeant dans l’histoire, nous constatons que plusieurs crises ont succédées en fragilisant
plusieurs systèmes bancaires de part le monde.
Prenons le cas du Banesto. La cause principale de sa faillite en 1994 est une mauvaise
gestion interne qui se traduit par le développement effréné des crédits sans que les fonds
propres ne suivent cette évolution. Lorsque l’information a été divulguée et l’affaire a été
rendu publique, la clientèle de la banque ont retiré presque 15% de leur dépôt. La banque se
trouvant alors obligée de remplacer les ressources bon marché reçues auparavant de la part de
sa clientèle par des ressources de marché à un coût plus élevé. La crise s’est donc traduite par
une crise de liquidité suivie de matérialisation d’un risque de transformation.
La crise de 2008 est plus complexe dont les premiers signaux inquiétants ont été
remarqués début 2007. La crise bancaire a connu son point d’orgue avec la faillite de Lehman
Brothers pour devenir ensuite une crise financière. Les soubresauts de la crise de 2008 sont
dus principalement à un problème de liquidité. Cette crise a mis l’accent sur la criticité du
risque de liquidité. Parmi les conséquences de cette crise est la détérioration de certains
indicateurs de gestion bancaire, prenons l’exemple du ratio des actifs liquides des banques
Britanniques sur leur actif total qui a passé de 30% avant la crise à 1% après la crise1.
Toutes ces crises financières qu’a connu l’histoire remettent en question la liquidité et la
solvabilité bancaire, ce qui rend la gestion du risque de liquidité de plus en plus un enjeu de
taille pour les banque qui cherchent à assurer leur rentabilité et leur pérennité.
En effet, les banques par leur activité quotidienne, qui consiste à transformer des
ressources à court terme en emplois à long terme, sont exposées à un risque de liquidité qui a
été négligé par les accords de Bâle I (1988) et les accords de Bâle II (2004). Une conséquence
emblématique de cette négligence est donnée par la banque anglaise Northern Rock qui
malgré son respect du ratio de solvabilité (Bâle II) a subi une crise de liquidité sans précédent.
Nous pouvons donc dire que l’activité bancaire est une combinaison d’opportunités et de
menaces générateurs de vulnérabilités multiples.
1
Tom Cougdon, The Financial Times, September 2007
Page 2 sur 99
Intr odu ction Gé néra le
A partir de ce constat, plusieurs chercheurs ont œuvré dans la conception des méthodes
dans le but de garantir aux banques une meilleure gestion actif-passif. Suite aux directives et
recommandations annoncées par le comité de Bâle, la gestion actif-passif se présente comme
un cadre conceptuel pour la gestion du risque de liquidité, de taux d’intérêt et de change. A
l’échelle nationale, la gestion actif-passif est née avec la parution de la circulaire 2006-19 du
28 Novembre 2006, et depuis la gestion du risque de liquidité a pris un essor au niveau de la
gestion de risque des banques Tunisiennes.
En effet, dans le contexte Tunisien, le traitement de la question est digne d’une grande
première. Le spectre de l’assèchement de liquidité ne cesse de planer sur le secteur bancaire
Tunisien. Le besoin des banques en liquidité auprès de la BCT a atteint un record historique
16,5 Milliards de dinars2, en moyenne en Avril 2019.
Pour que la BH-Bank soit à l’abri des risques de liquidité, l’élaboration d’un référentiel
ALM est un préalable primordial. L’ALM ou gestion Actif-Passif est une pratique qui
consiste à analyser la situation du bilan et son évolution probable. Son objectif principal est
l’estimation et le pilotage de l’équilibre entre emplois et ressources de la banque tout en
maximisant la rentabilité bancaire sous contrainte d’un niveau de risque et d’un cadre
réglementaire. De ce fait, elle veille aussi à s’assurer du respect des ratios imposés par le
régulateur. Cependant, l’enjeu majeur pour un gestionnaire actif-passif est l’impossibilité de
l’adossement en liquidité entre les ressources d’une part, et les crédits financés d’autre part
parce que certains postes de bilan ne possèdent pas une échéance certaine à l’instar des dépôts
à vue, c’est là où réside le problème lorsque le gestionnaire n’a pas une visibilité quant à
l’évolution de ces ressources.
Bien que les dépôts à vue non rémunérés représentent pour la banque des ressources bon
marché (gratuites), ils sont aussi dangereux et risqués vu leur caractère aléatoire parce qu’ils
sont des produits non échéanciers et sont par nature exigibles à tout instant, donc un retrait
massif de ces ressources peut provoquer une pénurie de la liquidité au niveau d’une banque.
C’est à partir de ce constat que la problématique de ce mémoire a eu sa naissance. Dans ce
cadre, notre travail se propose de mettre en œuvre une approche de gestion du risque de
liquidité induit par les dépôts à vue non rémunérés à travers une analyse des écoulements de
ces comptes.
2
Rapport d’activité, BH-Bank, exercice 2019
Page 3 sur 99
Intr odu ction Gé néra le
Pour répondre à cette problématique, notre travail s’articule autour de deux chapitres.
Un premier volet théorique et un deuxième pour l’application empirique de la méthodologie
que nous allons citer.
L’écoulement du bilan requiert de connaitre les échéances de chaque poste. Notre étude
s’intéresse aux problèmes liés aux postes qui ne possèdent pas d’échéances connues à
l’avance, plus particulièrement aux dépôts à vue, parce qu’ils représentent une ressource très
importante pour la BH-Bank, elle représente 32% des ressources de la clientèle, c’est
pourquoi la deuxième section du premier chapitre sera dédiée principalement à présenter
l’enjeu des dépôts à vue en gestion Actif-Passif. Afin de résoudre cette issue, nous allons nous
attarder tout au long de cette section, sur la présentation de la modélisation des dépôts à vue
qui est une étape primordiale dans la construction des conventions d’écoulement.
Après la présentation des différents modèles qui traitent la problématique des échéances
des dépôts à vue, le deuxième chapitre sera réservé à leur application sur la série des encours
des dépôts à vue de la BH-Bank et de choisir selon des outils statistiques appropriés le modèle
le plus adéquat pour établir une convention d’écoulement et pour prévoir une évolution future.
Les résultats issus de ce travail peuvent permettre à la banque de s’impliquer d’avantage dans
le financement de l’économie tout en ayant une meilleure visibilité sur le futur, puisqu’elle
dispose désormais des données estimées leur permettant d’évaluer le risque de transformation.
Donc cette méthodologie que nous allons présenter permet de répondre à la question
suivante : comment nous pouvons mesurer et valoriser les dépôts à vue, c'est-à-dire quel est
le modèle des dépôts à vue pour la BH-Bank lui permettant de mesurer la partie stable
qu’elle pourrait utiliser pour octroyer des crédits en minimisant le risque de transformation
et de liquidité ?
Page 4 sur 99
Intr odu ction Gé néra le
Page 5 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
Page 6 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
Les dépôts à vue étant le cœur de la liquidité bancaire, nous nous baserons notre étude sur leur
modélisation. Pour ce faire, nous avons divisé le premier chapitre en deux sections. La
première section présente la gestion ALM et le risque de liquidité, et la deuxième section est
réservée à l’enjeu des dépôts à vue dans le cadre de la gestion actif-passif.
Page 7 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
Récemment, l'un des domaines les plus actifs de la recherche financière est la gestion
des risques. Des recherches approfondies ont conduit à de nouvelles méthodes de gestion des
risques. Par exemple, l'introduction de la valeur à risque (VaR), du bénéfice à risque (EaR),
des mesures de performance ajustées en fonction du risque font partie des nombreuses
innovations adoptées dans la pratique.
La gestion actif-passif est une approche qui offre aux établissements une protection qui
rend ce risque acceptable. Si les banques sont en mesure de faire correspondre correctement
leurs engagements aux actifs, il y a alors la possibilité d'améliorer la rentabilité et de bien
gérer le risque.
3
P.DEMEY, A.FRACHOT, G.RIBOULET ; « Introduction à la gestion Actif-Passif Bancaire » ; 2003
Page 8 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
La gestion actif-passif est au cœur de la gestion de risque bancaire, cette méthode est la
plus simple et la plus communément utilisée. Si l’intérêt global de l’ALM se focalise sur la
gestion des risques afin d’anticiper une liquidité future et estimer ainsi les impasses en
liquidité, son but final diverge selon les différentes visions des auteurs. Néanmoins, nous
pouvons identifier un socle commun de ces visions qui s’entendent sur l’optimisation du
couple rendement-risque. Pour ce faire, certains objectifs sont confiés au département ALM
qui portent essentiellement sur :
- Le pilotage d’équilibre entre les ressources et les emplois au regard des risques sous
contrainte d’un niveau de rentabilité et d’un cadre réglementaire précis.
- La gestion des risques de liquidité, de taux d’intérêt et de change afin d’optimiser des
stratégies de couverture sur le marché et d’optimiser des stratégies de marge et
d’échéance et d’en tirer une rentabilité
Citons d’autres activités qui peuvent être du ressort de la fonction ALM : par exemple le
département ALM est consulté en développement organique et en acquisition externe pour
analyser et valider les options de modalités de financement, les conditions des projets et les
risques éventuels.
3. Le ris que d e liquidité, s a mesur e et sa gest ion d ans l e ca dre d e la ge st ion a ctif -
pass if :
Au niveau de ses activités, la banque est obligée de prendre des risques, d’en accepter
les conséquences et de mettre en place les moyens afin de les minimiser. Les dernières crises
financières et les faillites des banques ont montré l’ampleur des risques qui menacent le
Page 9 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
secteur bancaire. Vu les conséquences majeures que ces risques peuvent engendrer, la banque
doit donc en faire face.
Ces risques peuvent être classés en risque accepté et maitrisé tel que ; le risque de
crédit, et le risque de marché qui comprend le risque de liquidité, le risque de taux d’intérêt et
le risque de change. Quant aux autres classe de risque, il s’agit des risques subis tels que : le
risque opérationnel, le risque stratégique et le risque de non-conformité.
Page 10 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
• risque opérationnel: tel que définit par le comité de Bâle est : "le risque de pertes
provenant de processus internes inadéquats ou défaillants, de personnes et systèmes
ou d'événements externes". Il s'agit par exemple d'une fraude interne ou externe, de
dysfonctionnement des systèmes, de risque lié à l'exécution...
• risque de non conformité : tel que définit par le comité de Bâle I est : " un risque de
sancation judiciaire, administrative ou disciplinaire, de perte financière, d'atteinte
à la réputation, du fait de l'absence de respect des dispositions législatives et
réglementaires, des normes et usages professionnels et déontologiques, ..."
• risque stratégique: c'est un risque lié à la stratégie adoptée par les organes dirigeants de
la banque et qui peut générer une perte économique.
L’ALM est en charge de gérer deux risques majeurs qui ont une grande influence sur le
bilan de la banque à savoir : le risque de liquidité et le risque des taux d’intérêt. Nous nous
intéressons principalement dans ce qui suit au risque de liquidité.
Page 11 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
Le métier essentiel des banques, c’est de transformer des ressources à court terme en
crédits à long terme, en le faisant les banques sont exposées au risque de liquidité. La crise
financière de 2008 a mis en cause les politiques précédentes visant la gestion des risques
bancaires en général et le risque de liquidité en particulier. Lors de cette crise deux types de
risque de liquidité ont menacé les banques, un risque spécifique qui touche une banque
individuellement à travers le phénomène des ruées bancaires auto réalisatrices 4 (Diamond et
Dybvig, 1983) suite aux informations pessimistes quant à l’état de santé de la banque et puis
quant à l’état de santé du système bancaire mondial ce qui a généré le deuxième type de
risque qui est un risque systémique. C’est par l’effet de contagion que l’ensemble du système
bancaire a été paralysé et le monde a vécu une crise financière qui s’est immédiatement
répercutée sur l’économie mondiale.
4
La ruée bancaire est généralement auto-réalisatrice ; c’est un phénomène selon lequel les clients de la banque
pensent que celle-ci va devenir insolvable et ils retirent leurs dépôts le plus vite possible.
5
« The Boundary Problem in Financial Regulation », Goodhart , 2008
Page 12 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
La liquidité Banque Centrale est la capacité de la Banque centrale à faire face aux besoins
du système bancaire, le risque provenant de ce type de liquidité est nul en vertu du monopole
d’émission qu’elle détient. Dans le cadre de sa politique monétaire, la banque centrale veille à
éviter les situations de déficit ou d’excès dans le système financier et ce, soit en injectant soit
en épongeant de la liquidité.
La liquidité de marché :
La liquidité de financement :
Page 13 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
elle est incapable d’honorer ses obligations immédiates grâce à ses encaissements tels que les
dépôts.
Nous divisons ces facteurs en deux catégories : des facteurs autonomes et des facteurs
institutionnels.
- Les facteurs autonomes : Ce sont les facteurs qui impactent la liquidité bancaire mais
qui échappent au contrôle de l’autorité monétaire, autrement dit que leur évolution est
indépendante de la politique monétaire mais varie selon le contexte et les phénomènes
économiques. Ces facteurs sont étroitement liés aux comportements des agents non
financiers. Ces facteurs peuvent être :
Des opérations de retraits /dépôts par les agents économiques non financiers : la
demande de retraits qui se traduit par l’usage de billets pèse sur la liquidité bancaire, à
l’inverse, la demande des dépôts qui se traduit pas les versements constituent une
ressource de liquidité pour les banques. Donc la liquidité est affectée par la différence
entre les retraits et les versements de dépôts.
6
Sophie Brana et Michel Cazals, « La Monnaie », Edition Dunod 1997.
Page 14 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
Opérations avec le trésor public : Ces opérations ont une grande influence sur le
volume de la liquidité bancaire puisque « tous les transferts de fonds entre le Trésor et
les banques se répercutent sur leurs comptes auprès de la banque centrale 7 ».
- Les facteurs institutionnels : comme les facteurs autonomes, ces facteurs aussi
influencent la liquidité bancaire. Ce sont essentiellement les réserves obligatoires et la
mobilisation des créances.
La mobilisation des créances : c’est un moyen qui permet aux banques de constituer
de la liquidité tout en cédant des actifs à la banque centrale.
Un autre avantage de cette technique pour la banque, est qu’elle n’a pas à porter les
crédits c'est-à-dire, elle s’en débarrasse et les sort de son bilan, dans ce cas elle ne serait pas
7
Sophie Brana et Michel Cazals, « La Monnaie », Edition Dunod 1997.
8
Selon le règlement 99-02, une société ad hoc est « une structure juridique distincte, créée spécifiquement pour
gérer une opération ou un groupe d’opérations similaires pour le compte d’une entreprise »
Page 15 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
La raison pour laquelle le choc, au lieu d’être amorti, il a été amplifié, c’est qu’avec la
titrisation la vigilance de la banque sur la capacité des ménages à rembourser leurs crédits a
été moins importante. Elles ont fait de la quantité sans pour autant être regardantes sur la
qualité et ceci en construisant des paquets de crédits subprime dans le sens où le risque de
défaillance de ce paquet supposé être inférieur à ceux des emprunts pris un par un.
Dès que les ménages risqués commencent à trouver des difficultés à rembourser leurs
crédits, les prix des créances titrisées (ABS, RMBS, CMBS, CDO) ont chuté, ce qui a conduit
les investisseurs à une défiance envers l’ensemble de ces titres et la fermeture de plusieurs
fonds qui ont investi en ABS tels que : Oddo, BNP…
Suite à ces évènements les banques ont provisionné massivement des dépréciations de
valeur de leurs actifs, suivis par une quasi fermeture du marché interbancaire et du marché
obligataire, chose qui a poussé toutes les banques à se tourner vers la banque centrale qui a
agi à plusieurs niveaux en abaissant les taux directeurs, en injectant de la liquidité, en tournant
aussi vers les mécanismes non conventionnels par l’achat direct de certificat de dépôts…
La situation de trésorerie d’une banque est basée ultimement sur la confiance celle des
contreparties et des déposants envers l’établissement financier en question. Le manque de
Page 16 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
Donc le risque de liquidité bancaire peut se propager soit par le canal du marché
interbancaire lorsqu’une faillite individuelle peut conduire à un rétrécissement général de
liquidité, soit par le canal du marché des actifs lorsque les banques sont contraintes de s’y
procurer de la liquidité, mais moyennant des ventes à « prix cassés », ceci peut conduire à une
baisse des prix des actifs provoquant une situation d’illiquidité de marché.
Pour comprendre la spécificité du risque de liquidité auquel font face les banques, il est
indispensable de rappeler les différentes postes d’un bilan bancaire.
- Les transactions des titres, telles que les emprunts émis sur le marché des capitaux ;
- Les opérations sur titres détenus par les banques pour leur compte ;
Les fonds propres de la banque se financent soit par des emprunts sur le marché
interbancaire, soit par les dépôts de leurs clients, soit en dernier ressort auprès de la banque
Page 17 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
centrale. Une partie non négligeable des dépôts est constituée par les dépôts à vue c'est-à-dire
les dépôts qui peuvent être retirés à tout moment. Dans le cas d’une panique bancaire, le
retrait massif de ces dépôts concrétise sans coup férir le risque de liquidité dont l’histoire de
l’Argentine, 2003 et la crise de 2008.
Tant que l’équilibre d’un bilan bancaire n’est pas assuré dans le futur, il existe ainsi un
risque de liquidité généré d’un décalage entre les actifs et les passifs. L’impasse de liquidité
constitue le principal indicateur de mesure de l’écart entre les emplois et les ressources à une
date ultérieure. Il faut noter que cette impasse est calculée en se projetant dans l’avenir
puisqu’à une date donnée l’équilibre du bilan est réalisé en permanence.
Impasse en Flux (t, t+1) = Σ Tombées Actifs9 (t, t+1) – Tombées Passifs10 (t, t+1)
9
Entrées de fonds
10
Sorties de fonds
Page 18 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
Dans le premier cas qui est caractérisé par un manque d’emploi, la marge nette d’intérêt
sera négative, à l’inverse un défaut de liquidité met la banque en risque de défaut de paiement.
Dans ce cas, la banque sera obligée de se financer sur le marché interbancaire au taux de
marché, une autre source de liquidité pour une banque est l’accès au marché de capitaux : ceci
dépend notamment, de la notoriété de la banque, de sa taille, de la qualité de ses
actionnaires…
Les impasses peuvent être soit statiques soit dynamiques. Au niveau de l’impasse
statique, l’agrégation se fait sur la base de l’ensemble des opérations déjà présentes dans le
bilan en date d’analyse. En ce qui concerne les impasses dynamiques, elles sont construites en
ajoutant à cet ensemble des hypothèses d’activités sur les années à venir, généralement deux à
cinq ans.
L’impasse en liquidité est présentée sous forme d’un tableau qui classe les emplois et
les ressources de la banque ou bien mesurer les décalages prévisionnels suivant les durées
restantes pour pouvoir calculer les différences dans le futur entre les actifs et les passifs et
savoir leur échéancier de liquidité. L’échéancier de liquidité permet de répertorier l’évolution
du capital restant dû pour le cas d’un crédit et l’encours pour le cas d’un dépôt.
Exemple :
Imaginons pour une banque qu’un client a déposé 100 sur un plan d’épargne bloqué
d’horizon 2 ans. Par ailleurs, cette même banque a prêté à un autre client 100 qu’il va les
rembourser en totalité (remboursement in fine) au terme de 4 ans. En ignorant l’effet des taux
d’intérêt, le bilan de la banque est équilibré à la date 0, c'est-à-dire, à la date de l’octroi de
crédit.
Actif Passif
100 100
Dans cet exemple, le prêt s’amortit in fine à la fin de la quatrième année, alors que le
passif s’amortit sur 2 ans.
Page 19 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
Fig ure 1. P rése ntation de l'acti f et le p assi f sur les q ua tre an née s
0 1 2 3 4 5
passif actif
Source : Auteur
Nous remarquons d’après ce graphique que lorsque nous faisons la différence, nous
obtenons les deux années des battons bleu (actif) qui ne sont pas couverts par les battons en
rouge (passif). Cette différence nous renseigne sur un déséquilibre entre un actif et un passif,
dans le sens où, la banque pendant deux années, aura un actif sans passif à mettre en face.
Dans ce cas, la banque s’exposera à un risque de liquidité sur la période allant de +2ans à
+4ans et elle devra emprunter 100 dans deux ans pendant deux ans.
Dans le cas où les dates et les montants d’un produit sont connus d’avance, on parle
d’un échéancier de liquidité contractuel et le problème de risque de liquidité ne se pose pas
puisque la banque peut mesurer avec certitude les impasses d’avance et chercher la liquidité
dans le cas d’un excédent d’actifs. Cependant, il existe des échéanciers conventionnels établis
suivant des échéanciers modélisés à partir des données historiques tels que les dépôts à vue.
En pratique, les échéanciers des actifs sont généralement contractuels mais il arrive dans
certains cas qu’un client peut modifier l’allure de l’échéancier de son prêt en faisant un
remboursement anticipé, nous parlons alors des options cachées.
Page 20 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
Fig ure 2. Evo lution d u ca pit al re sta nt s ans remb ours emen t ant icipé
120
100
80
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11
Source : l’auteur
Fig ure 3. Evo lution d u ca pital re sta nt d û lorsq u'i l y a rembo ursem ent a nti ci pé
120
100
80
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11
Ecoulement en liquidité :
Page 21 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
- La conjoncture économique ;
- La concurrence et le marché ;
Le risque de liquidité pour la banque se traduit par l’incapacité de celle-ci de lever les
fonds nécessaires pour couvrir des besoins immédiats. La matérialisation de ce risque peut
survenir soit à l’occasion d’un mimétisme comportemental des déposants suite à l’état de
santé du système bancaire ou suite à une évolution défavorable d’une ou plusieurs variables
macroéconomiques, soit à un tirage maximal des engagements en hors bilan, soit à la
prédominance des dépôts à échéance incertaine caractérisés par des retraits aléatoires.
Page 22 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
- Funding risk : c’est le risque associé à l’impact sur les flux de trésorerie en raison du
manque de fonds disponibles qui peut être engendré par un retrait massif des dépôts à
vue.
- Time risk : ce risque peut se manifester lorsqu’une banque ne peut pas réaliser une
entrée de fonds pourtant attendue. Le bon exemple traduisant ce cas de figure est
l’incapacité de remboursement d’un emprunt par un client.
D’après ce qui a été décrit précédemment, nous concluons qu’à l’instar du risque de
contrepartie, le risque de liquidité est inhérent à l’activité de transformation de la banque. Il
résulte du fait que la banque pour gagner plus, elle aura toujours une maturité des emplois
plus longue que celle des ressources.
Ainsi la crise de 2008 a mis en lumière un certain nombre de faiblesses au sein du cadre
règlementaire du système financier. Pour y remédier, les documents consultatifs du comité de
Bâle de Juin 2008 consacrent une grande importance aux principes de la gestion du risque de
liquidité dans les établissements bancaires destinés à améliorer notablement la résilience des
banques face aux chocs.
Dans ce monde extrêmement complexe où les risques bancaires ne peuvent être prédits
qu’avec une marge d’incertitude. Dans ce contexte, le comité définit une politique de risques
visant à la fois la protection du capital de la banque et sa capacité à faire face aux pires
évènements. Au niveau d u chapitre « Principles for the Assessment of Liquidity
Management in Banking Organisations » nous trouvons quelques indicateurs qui peuvent
être utilisés et calculés lors de la mise en œuvre d’une gestion actif-passif.
A cette fin, deux nouveaux ratios ont été définis au niveau de ce chapitre : le ratio de
liquidité long terme (NSFR) et le ratio de liquidité court terme (LCR). Le ratio LCR
11
Harrington R. L. “Asset and Liability Management by banks”, Organization for Economic Cooperation and
Development
Page 23 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
(« Liquidity Coverage Ratio ») a été établi pour que les banques prennent en considération les
éventualités qui apparaissent des asymétries entre les entées et les sorties pendant 30 jours et
s’assurent que suffisamment d’actifs liquides sont à la disposition de la banque pour couvrir
ces éventuelles asymétries.
Cette norme indique que l’encours d’actifs liquides de haute qualité 12 doit être au moins
égal aux sorties nettes de trésorerie pendant les 30 jours suivant la date d’arrêté du calcul
du ratio.
Le NSFR (« Net Stable Funding Ratio »), caractérisé d’un ratio de long terme qui vient
de compléter le ratio LCR. Ce ratio a pour objectif de garantir la capacité de la banque à
résister face à une crise idiosyncratique. Il assure pour la banque un financement stable lui
permettant de continuer ses activités tout en se mettant alaise pendant une année dans un
scénario de pression. Pour ce faire, il faut que la banque dispose d’un montant des ressources
stables et disponibles plus que le montant des besoins en ressources stables.
NSFR = ≥ 100%
La réglementation Bâle III impose aux banques, en plus du respect du ratio LCR et du
ratio NSFR, d’anticiper des situations de crise à l’aide de la réalisation d’un stress test
simulant des chocs pouvant provoquer de fortes pressions sur la liquidité comme des retraits
sans annonce préalable d’une partie importante des dépôts et surtout des dépôts à vue qui sont
caractérisés par la possibilité donné à leurs détenteurs de retirer leurs fonds à tout moment.
12
Actifs Liquides de Haute Qualité ALHQ sont des actifs qui sont liquides en permanence c'est-à-dire même en
période de tension. Ces actifs se décomposent en actifs de niveau 1 et actifs de niveau 2. Les actifs de niveau 1
sont composés des réserves auprès de la banque centrale et des titres négociables garantis par des émetteurs
souverains (Etat) ou des banques centrales. Les actifs de niveau 2 sont eux même décomposés en deux niveaux :
2A et 2B. 2A comme par exemple, des obligations sécurisés, 2B tel que des titres adossés à des prêts
hypothécaires.
Page 24 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
opérations de pompage menées par l’Etat, pour qu’il puisse répondre à ses besoins de
financement.
Par ailleurs ce manque de liquidité sera refinancé auprès du dernier ressort qui est la
Banque Centrale, le montant de refinancement a suit une tendance haussière depuis Janvier
2015 jusqu’à nos jours. Le graphique ci-dessous montre l’évolution de refinancement qui peut
être expliqué par un manque de liquidité au niveau du secteur bancaire Tunisien.
Fig ure 4. Evo lution du v olum e glo bal d u refi nan cemen t moye n
18 000
16 000
14 000
12 000
10 000
8 000
6 000
4 000
2 000
0
oct.-15
oct.-16
oct.-17
oct.-18
oct.-19
janv.-15
janv.-16
janv.-17
janv.-18
janv.-19
avr.-15
avr.-16
avr.-17
avr.-18
avr.-19
juil.-15
juil.-16
juil.-17
juil.-18
juil.-19
Source : BCT
Page 25 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
Face aux pressions persistantes sur la liquidité du secteur bancaire Tunisien, amenant la
Banque Centrale à un effort croissant de refinancement, la circulaire 2018-10 du 1er
Novembre 2018 a instauré un nouveau ratio de transformation :
Ce ratio vise à inciter les banques à assurer une bonne maitrise du risque de
transformation d’échéances en assurant une meilleure adéquation entre les ressources et les
emplois. Ladite circulaire stipule que les banques qui disposent un ratio se situant à un niveau
supérieur à 120% à la fin d’un trimestre donné, doivent prendre les mesures nécessaires pour
réduire leur ratio.
Page 26 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
SECTION II. L’enjeu des dépôts a vue en gestion actif -passif : étude
bibliographique
Schématiquement, la banque emprunte sur des périodes courtes auprès de ceux qui ont
un excès de liquidité afin de prêter sur des périodes plus longues à ceux qui demandent un
financement. Cette schématisation permet de mettre à jour les deux plus importants postes du
bilan bancaire : les dépôts et les crédits. Or, certains ne sont pas échéanciers.
Les prêts aux particuliers et les dépôts de la clientèle s’écoulent de manière très variée.
Certains de ces écoulements tels que les dépôts à vue nécessitent une modélisation statistique
du comportement des clients pour bien maitriser le risque de liquidité et le risque de taux de la
banque. L’incertitude quant au moment et au montant des flux des dépôts à vue futurs
constitue un problème important pour la gestion du risque des positions de compte non
échues.
La modélisation des dépôts et des passifs non échus est une tâche cruciale pour la
gestion de la liquidité d'une institution financière. Elle est devenue encore plus cruciale dans
Page 27 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
Généralement, les départements ALM des banques, impliqués dans la gestion des
risques de taux d'intérêt et de liquidité, sont confrontés à la tâche de prévoir les volumes de
dépôts, afin de concevoir et de mettre en œuvre des stratégies de liquidité conséquentes.
Ainsi le risque de liquidité pour la banque résulte de l’inadéquation entre les structures
par terme des actifs et des passifs du bilan de la banque, les passifs étant majoritairement
constitués d’éléments non échus et l’actif par des placements à long terme (tels que les prêts
hypothécaires).
2. La modé lis ation d es dé pôts à vue ex is t ants : é tud e bi bli ogr aph iqu e :
L'accord Bâle II publié par le Comité de Bâle sur le contrôle bancaire (CBCB) souligne
l'importance de modéliser les taux et les volumes de dépôt afin de prendre en compte avec
précision le risque de liquidité et le risque de taux d’intérêt dans le portefeuille bancaire. La
gestion du risque de liquidité dans le cadre de la gestion actif-passif dépend en grande partie
des mouvements futurs de chaque poste de bilan et de son écoulement au fil du temps. La
tâche apparait très facile pour les postes de bilan qui ont une échéance contractuelle. Le
problème se pose pour le poste d’échéance incertaine, ces postes constituent une entrave pour
la mesure du risque de liquidité.
Etant donné que l’ampleur du risque de liquidité dépend de l’échéancier des opérations
présentes dans le bilan de la banque, il convient de comprendre dans un premier temps, le
comportement et la dynamique des dépôts à vue dans un environnement influencé par
l’environnement du marché et dans un deuxième temps, les différents modèles qui permettent
à travers une bonne estimation des dépôts à vue prédire l’écoulement des encours.
Page 28 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
La modélisation des postes non échéanciers et plus précisément des dépôts à vue est
devenue parmi les préoccupations majeures, nous présentons par la suite, les courants de
recherche y afférant et les différents modèles.
Les auteurs trouvent que les banques situées sur des marchés concentrés sont plus
rigides dans l'augmentation des taux de dépôt, c'est-à-dire qu'elles réagissent différemment à
la hausse des taux d'intérêt du marché, tout en étant plus réactives à la baisse des taux de
dépôt en réponse à la baisse des taux d'intérêt du marché (Neumark et Sharpe, 1992). Ce
comportement peut être considéré comme un pouvoir exercé par les banques sur le marché,
permettant aux banques de maximiser l'écart entre les taux de dépôt offerts et les taux d'intérêt
du marché, ce qui à son tour améliore leurs bénéfices. Cette sorte de concurrence imparfaite
est attribuée au fait que les clients, c'est-à-dire les déposants, sont confrontés à des frais de
recherche et de transfert, ce qui les empêche de transférer leur argent vers d'autres banques
(Neumark et Sharpe, 1992).
Page 29 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
Pour répondre aux problèmes de liquidité et de taux de rémunération liés aux dépôts à
vue, la démarche envisagée consiste à élaborer l’écoulement des ressources à vue, en se
basant sur une modélisation statistique de l’encours des dépôts qui n’ont pas d’échéance.
Cette modélisation permettra par la suite de déterminer des conventions d’écoulements et
pouvoir finalement mesurer le risque de taux et de liquidité sur l’ensemble du bilan. Nous
passons d’abord à présenter les différents modèles de la littérature avant de présenter les
résultats des modélisations que nous avons retenus au niveau du deuxième chapitre.
Le développement des premiers modèles d’évaluation des dépôts à vue est apparu dans
les années 90. Des recherches académiques et des techniques ont été appliquées à la
modélisation des dépôts à vue générant des équations qui lient l’évolution des taux et des
volumes des dépôts que nous allons les présenter par la suite par ordre chronologique.
Ces méthodes sont basées essentiellement sur la valorisation des dépôts, en absence
d’une valeur de marché observable, l’estimation d’un actif économique par l’actualisation des
flux est une méthode répandue. Pour un actif avec une échéance bien déterminée, le calcul
d’actualisation est une tâche très facile. En revanche, pour les dépôts à vue qui n’ont pas des
échéances prédéterminées, cette approche simple se confronte à plusieurs contraintes. Donc,
la plupart de ces modèles prennent en considération la dynamique de l’encours de dépôt ou de
sa variation. La dynamique en delta d’un modèle autorégressif d’ordre 1 met en relation
l’encours des dépôts à une date donnée et l’encours à la date précédente.
Le modèle de Selvaggio est l’un des premiers modèles de l’évolution des encours des
dépôts à vue. Le modèle proposé par Selvaggio vise la détermination de l’encours cible des
dépôts à vue D* qui dépend des variables macroéconomiques Yk (ces variables peuvent être le
taux de croissance du PIB, la masse monétaire…) autres que le taux d’intérêt R k, c'est-à-dire
les encours qui devraient normalement être atteints étant donnés le taux d’intérêt et le niveau
des variables macroéconomiques qui devraient influencer l’encours des dépôts à vue :
Page 30 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
Dans son modèle, Selvaggio suppose que l’encours des dépôts réels converge vers
l’encours des dépôts cible avec une vitesse d’ajustement constante λ. Pour se faire, il
développe l’équation suivante :
Selvaggio a introduit dans son étude des données mensuelles, l’équation qu’il a estimée
est représentée comme suit :
Où monthi-3 est une variable qui prend en compte l’effet de la saisonnalité au niveau de
la série étudiée, cette variable prend 1 si le mois de la valeur de l’encours des dépôts à vue
expliqué est le i-3ème mois de l’année et 0 dans le cas contraire.
Le modèle estimé par Selvaggio avec des données désaisonnalisées se présente comme
suit :
modèle est bien réputé parce qu’il fournit des coefficients interprétables financièrement et il
donne une formule explicite qui permet la valorisation des dépôts à vue. Au niveau de ce
modèle, une augmentation des taux encourage les investisseurs de placer leur argent sur un
produit financier que de les placer dans un compte bancaire non ou faiblement rémunéré.
Le modèle de Dupré est formulé d’une façon continue. Il est essentiel de le discrétiser
afin de pouvoir estimer ses paramètres. Sous l’hypothèse qui stipule que α et β sont constants,
ne dépendant pas donc du temps, Dupré intègre l’équation du modèle sur un pas de temps δ et
l’équation devient :
Dupré a utilisé aussi une formulation discrète pour les taux court qu’on notera Rk :
Rk = ∫ = ∫ (2)
Le modèle développé par Jarrow, Van Deventer (1998) ajoute une dépendance au temps
et à la variation des taux d’intérêt. Ce modèle est basé sur une hypothèse de segmentation du
marché dans lequel il n’existe que deux types d’intervenants : les institutions financières et les
déposants. Ce modèle repose essentiellement sur l’hypothèse selon laquelle l’information au
niveau du marché est suffisante pour que les déposants soient capables de faire l’arbitrage
placement-épargne.
Page 32 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
Nystrom (2008) prolonge les travaux de Jarrow et van Deventer (1998) en développant des
modèles spécifiques pour le taux de dépôt et le volume de dépôt. Le modèle de taux de dépôt
proposé par Nystrom (2008) est en mesure de saisir comment le taux de dépôt offert est
affecté par les banques qui favorisent les clients qui déposent des sommes importantes. En
outre, le modèle de volume de dépôt proposé par Nystrom (2008) est capable de capturer les
différences dans le comportement des clients. L’exhaustivité des modèles proposés par
Nystrom (2008) pour le taux de dépôt et le volume de dépôt rend les modèles nettement plus
complexes que ceux proposés par Jarrow, Van Deventer (1998), et par conséquent plus
difficile à mettre en œuvre dans la pratique.
A partir de l’année 2000, de nouveaux modèles sont développés. Le modèle OTS est
l’un de ces modèles. Ce dernier repose principalement sur la conception de la non-linéarité.
Le modèle s’écrit :
Ce modèle se différencie des autres décrits ci-dessus par la distinction entre le taux de
rémunération et le taux de marché, il met l’accent sur l’ajustement asymétrique des taux de
rémunération des dépôts par rapport aux taux de marché, c'est-à-dire lorsque les taux de
marché baissent, les taux de rémunération des dépôts baissent relativement vite, tandis que si
les taux de marché augmentent, les taux de rémunération des dépôts augmentent plus
lentement.
Nous remarquons que pour des dépôts non rémunérés (i k=0) la formule nous ramène à
un modèle simpliste où il considère que le taux de croissance α de l’encours des dépôts est
13
L’Office of Thrift Supervision est le premier régulateur fédéral US des « savings associations » qui incluent
les « federal savings banks » ainsi que les « savings and loans ».
Page 33 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
Dk = Dk-1 * α
La modélisation de O’brien (2000) prend en considération les dépôts à vue qui sont
rémunérés, puisqu’il fait la distinction entre le taux de rémunération et le taux de marché.
Ainsi, ce modèle prend en compte l’asymétrie des taux de dépôts par rapport au taux de
marché, c'est-à-dire lorsque le taux de marché baisse, le taux de rémunération suit vite cette
tendance baissière, et lorsque le taux de marché augmente le taux de rémunération le suit mais
à une vitesse lente.
Où Dk, Rk, ik et tk représentent respectivement l’encours des dépôts à vue à l’instant k, le taux
de marché, le taux de rémunération des dépôts. Ce modèle étudie seulement les dépôts à vue
rémunérés qui peuvent être les comptes d’épargne libre.
Après avoir présenté les différents modèles qui peuvent expliquer les dépôts à vue
rémunérés et non rémunérés, le modèle le plus ajusté sera retenu au niveau du deuxième
chapitre et ceci à l’aide des outils statistiques. La finalité de la modélisation des dépôts à vue
est la détermination de leur écoulement, au niveau de cette étape, il est indispensable pour une
banque de calculer la partie des dépôts qu’elle considère stable dans son stock et la partie
volatile qu’elle doit gérer pour la pérennité de sa liquidité.
2.3.1 . La d éte rmin ation de la par tie sta ble e t de la p art ie vo la ti le des DAV :
Pour quantifier la partie stable et la partie volatile du stock bancaire des DAV, il est
nécessaire de calculer le coefficient de variation de la série des encours sur la durée étudiée.
Le coefficient de variation se calcule comme suit :
CV =
Page 34 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
Avec :
Nous pouvons alors déduire la partie stable (PS) et la partie volatile (PV) comme suit :
- PS = 1 – CV
- PV = CV
2.3.2 . Pré sen ta tio n des conv ention s d’é cou leme n t :
A une date ultérieure, un déséquilibre entre actifs et passifs peut être crée engendrant
ainsi un besoin de refinancement dans le cas où les emplois excèdent les ressources. Dans le
cas contraire, le déséquilibre mène à un placement. Une incertitude concernant l’écart futur
peut provoquer une mauvaise appréhension de la liquidité de l’établissement de crédit.
Cette problématique devient donc une préoccupation majeure pour une banque. Afin de
pouvoir répondre convenablement à cette problématique, il est primordial pour elle d’évaluer
la façon avec laquelle ses actifs et ses passifs vont évoluer au fil du temps. Les conventions
d’écoulement constituent une solution qui permet de répondre à cette problématique tout en
garantissant un suivi de l’écoulement des actifs et des passifs.
Nous nous intéressons au niveau de notre étude à l’écoulement des encours déjà
existants dans le bilan.
Page 35 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
même bilan à une date future T. Il faut noter qu’un dinar entrant dans le bilan à la date t
(production nouvelle) ne s’agit pas d’un dinar déjà présent dans le bilan (encours), ce qui nous
entraine de conclure qu’un dinar de production nouvelle n’a pas le même comportement d’un
dinar déjà en stock.
- S(t, t)=1 : signifie que le dinar qui entre dans le bilan à la date t se trouve toujours
dans le bilan à la date t.
- S(t, +∞) = 0 : signifie que le dinar qui entre à la date t s’évapore tôt ou tard du bilan.
Pour certains produits, le contrat n’indique pas la durée d’écoulement, c’est le cas des
produits non échéanciers, notamment les produits de passif tels que les dépôts à vue, puisque
par définition ces fonds déposés peuvent être retirés à tout moment.
Par ailleurs, une fonction d’écoulement est définie par l’intermédiation de la vitesse ou
taux d’écoulement. Il correspond au pourcentage des encours encore vivant qui s’écoulent par
unité de temps. Il s’agit formellement de l’équation suivante :
))
λ(t, T) =
Si le taux d’écoulement mensuel est égal à 20% signifie qu’une partie de la production
disparait à un rythme de 20% par mois.
Au niveau de notre étude, nous supposons que l’écoulement se fait sous l’hypothèse
d’absence d’éventuelles productions nouvelles futures et la fonction d’écoulement de la
production est égale à :
Page 36 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
Dt = ∫ ) -∫ ) )
A partir de cette équation, nous pouvons tirer l’interprétation suivante : les variations
d’encours sont égales aux flux créditeurs auxquels nous soustrayons les flux débiteurs,
exprimés comme un pourcentage de l’encours disponible.
En considérant que le taux d’écoulement et les flux créditeurs sont constants, nous obtenons :
Page 37 sur 99
Chap itr e I. La ges tio n actif -P assif b anca ire , mé tho des e t pr at iqu es e xis t ante s de
modélisa tion des r esso urces à vu e
Conclus ion :
Au niveau de ce chapitre nous avons exposé les différents risques auxquels s’exposent
les établissements bancaires. Nous nous sommes focalisés sur le risque de liquidité. En effet,
les banques Tunisiennes doivent intégrer la fonction de risque de liquidité aux procédures de
prises de décisions. Au-delà de la réponse aux exigences règlementaires telles que le respect
du ratio LCR, NSFR et LTD, les banques Tunisiennes doivent développer des instruments
permettant l’optimisation du couple rendement/risque.
La gestion actif-passif s’est vue donc, confier la mission de maitriser les conséquences
négatives éventuelles du risque de liquidité afin d’optimiser le couple rendement/risque. Pour
maximiser le rendement sous contrainte d’un risque donné, la gestion actif-passif a pour rôle
principal le suivi des engagements dans le but d’éviter tout risque de liquidité. Il s’agit
essentiellement du suivi permanent de la liquidité du compte et de l’importance des opérations
confiées par le client.
En effet, l’élaboration des conventions d’écoulement des encours des DAV permet
d’éviter les situations critiques et d’en anticiper le montant écoulé qui doit être refinancé à un
coût de ressource cher. Afin de déterminer une convention d’écoulement, il faut d’abord
modéliser les encours des DAV. Au niveau du deuxième chapitre, nous allons appliquer les
différents modèles cités dans la littérature à la série des encours des DAV de la BH-Bank dans
le but de déterminer des échéanciers à ce poste de bilan.
Page 38 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
Page 39 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
Pour répondre aux exigences de la BCT, la BH-Bank a mis en place un comité de risque
qui a pour but d’évaluer les risques auxquels la banque s’expose et d’en trouver les solutions
adéquates. La gestion de risque de liquidité n’a fait l’objet que de l’affectation d’un bilan
échéancier et le calcul d’une impasse en liquidité statique.
Le concept de risque de liquidité est plus que jamais un sujet d’actualité, surtout au
niveau de notre contexte national vu le spectre d’assèchement de liquidité qu’a vécu le secteur
bancaire depuis la révolution de 2011 jusqu’à nos jours avec la crise sanitaire COVID-19. La
situation de liquidité d’une banque est fortement liée au déséquilibre existant entre ses
emplois et ses ressources. Par ailleurs, certaines ressources ne sont pas échéanciers présentant
ainsi une contrainte lors de la mise en place d’un bilan échéancier telles que principalement
les dépôts à vue parce qu’ils sont caractérisés par un aspect aléatoire qui donne le droit aux
déposants de retirer leurs fonds quand ils veulent.
Page 40 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
Après avoir passé en revue, les différents modèles permettant la modélisation des dépôts
à vue dans le but d’établir une convention d’écoulement. Nous allons mettre en application la
méthodologie précédemment décrite au niveau de la BH-Bank afin de pouvoir établir
l’écoulement des encours des DAV qui sert à mesurer les gaps de liquidité. Comme les DAV
constituent toujours une part appréciable des ressources d’une banque, leur modélisation sera
donc d’une grande importance. A titre d’exemple, Les dépôts à vue de la BH-Bank
représentent 32% des ressources de la clientèle.
Les dépôts à vue de la BH-Bank sont constitués par des dépôts des particuliers (les
comptes chèques) et des dépôts des professionnels (les comptes courants). Les DAV sur les
comptes chèques sont des dépôts non rémunérés alors que pour les dépôts sur les comptes
courants, il y a ceux qui bénéficient des conditions de faveur telles que les grandes relations
qui ont le droit en une rémunération de 2,75% sur leurs dépôts à vue. Comme le nombre des
clients bénéficiant de cette condition de faveur est négligeable par rapport au total des clients
de la banque, nous avons décidé de supposer que tous les dépôts à vue sont non rémunérés.
Au niveau de cette section nous allons présenter dans un premier temps une étude
statistique détaillée de la série des encours des DAV, dans un second temps les différentes
modélisations et les résultats qui en découlent et finalement, nous allons choisir le modèle qui
ajuste le mieux les séries des encours des DAV et qui va nous permettre d’élaborer des
conventions d’écoulement pour ce poste de bilan.
1. Etu de statistique :
Page 41 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
Nous avons pris comme référence pour le taux de marché, la série de taux de marché
des bons de trésor émis par adjudication à 52 semaines extraite du site de la CMF. Les deux
séries retenues pour l’étude les encours des DAV et le taux d’intérêt sont des séries
mensuelles qui s’étalent du mois de Janvier 2015 au mois de Décembre 2019.
L’évolution des encours des DAV dans le temps est représentée par le graphique ci-dessous :
Fig ure 5. Evo lution me nsue lle des d épô ts à vue d e Jan vie r 2015 à Dé cembr e 2019
2600000
2400000
2200000
2000000
1800000
1600000
1400000
1200000
1000000
oct.-15
oct.-16
oct.-17
oct.-18
oct.-19
janv.-15
janv.-16
janv.-17
janv.-18
janv.-19
avr.-19
avr.-15
avr.-16
avr.-17
avr.-18
juil.-15
juil.-16
juil.-17
juil.-18
juil.-19
Les dépôts à vue constituent une ressource copieuse pour la BH-Bank qui a évolué de
façon remarquable au cours de la période d’observation. L’encours des dépôts à vue présente
une tendance haussière. En effet, en Janvier 2015 sont de l’ordre de 1 398 271,261 md et ont
évolué pour atteindre 2 230 627,285 md soit une croissance de 59%. Avec un encours de
2 230 627,285 md au 31 Décembre 2019, les Dépôts à vue ont affiché une hausse de
115 121,731 md (+5,4%) contre une hausse de 63 659,403 md (3,1%) une année auparavant.
Cette hausse provient des DAV en devises et dinars convertibles qui se sont hissés de
140,2MD (+21,4%), toutefois les DAV en dinars ont diminué de 47,1 MD (-3,3%)14. Cette
évolution traduit l’importance que revêt cette composante au niveau de la banque et appuie
donc la nécessité de sa modélisation.
14
Rapport d’activité, BH-Bank, exercice 2019.
Page 42 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
Quant à la série des taux d’intérêt, son évolution dans le temps est donnée par le
graphique ci-dessous :
Page 43 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
Source : Auteur
Nous remarquons donc d’après les résultats obtenus qu’il existe un effet de saison. Nous
pouvons donc dire que l’encours des DAV est dépendant aux fluctuations saisonnières liées à
l’annualisation de certains évènements tels que les congés, les dépenses d’été, les fêtes de fin
d’année…Une dessaisonalisation sera faite. Pour dessaisonaliser une série, plusieurs
méthodes sont utilisées. Parmi ces méthodes nous citons celle la plus connue qui est la
méthode des moyennes mobiles (mooving average).
Source : Auteur
Le graphique ci-dessous illustre l’évolution des encours des DAV avant et après avoir
déraciner le vecteur de la saisonnalité.
Page 44 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
14,7
14,6
14,5
14,4
D_des
14,3
D
14,2
14,1
14
mai-15
mai-16
mai-17
mai-18
mai-19
sept.-17
sept.-15
sept.-16
juil.-17
sept.-18
sept.-19
mars-15
mars-16
mars-17
mars-18
mars-19
juil.-15
juil.-16
juil.-18
juil.-19
nov.-17
nov.-15
nov.-16
nov.-18
nov.-19
janv.-15
janv.-16
janv.-17
janv.-18
janv.-19
Source : Auteur
La variable D (dépôts à vue) est exprimée en logarithme népérien. Elle est en moyenne
de 14.08. Cette variable a subi une filtration afin d’éliminer les effets saisonniers qu’elle
possède, pour cette raison nous observons qu’elle a un écart-type très réduit ce qui montre
l’absence d’une volatilité remarquable. La distribution de cette variable est symétrique par
rapport à l’axe moyen (Skewness proche de 0).
Page 45 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
Quant à la variable R (taux de marché des bons de trésor) est en moyenne égale à 1.4
sur 5 ans. Elle possède un coefficient de variation plus ou moins faible mais un écart type
relativement élevé ; nous pouvons dire qu’elle ne présente pas aussi une grande volatilité. Le
coefficient d’asymétrie et d’aplatissement sont respectivement différent de 0 et 3 ce qui
montre que la distribution de cette variable ne peut pas être normale.
a) Test d ’h été ros céd asticité (B reu sh-P aga n / Cook-Weis ber g / Wald) :
Sous l’hypothèse nulle, les résidus ont une variance constante (elle ne dépend pas du temps).
Tab lea u 4. Rés ultats d u tes t d’ hét éros cédas ti cit é des e r reu rs
Résultat du test
Modèle Conclusion
Statistique du test probabilité
Source : Auteur
Page 46 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
Nous remarquons que pour les trois modèles, l’hypothèse nulle est rejetée car la valeur
de la probabilité du test de Chi-deux est supérieure au seuil de risque 5%. Donc les erreurs de
ces modèles sont homoscédastiques.
Le test de multicolinéarité examine l’existence d’une relation qui lie deux variables ou
plus, autrement dit, il indique la présence d’une combinaison linéaire entre au moins deux
variables ; ce qui laisse la matrice X’X non inversible.
Source : Auteur
Les moyennes VIF sont toutes inférieures à 10, donc nous pouvons affirmer que pour
les trois modèles, le problème de multicolinéarité ne se pose pas.
Résultat du test
Modèle Conclusion
Statistique de DW Rho
Source : Auteur
Page 47 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
Pour les trois modèles, nous remarquons selon les valeurs du coefficient de corrélation
que seulement le modèle de Selvaggio présente des erreurs non corrélées. Selon ce résultat,
les modèles qui possèdent une auto-corrélation des erreurs seront estimés avec la méthode de
Prais-Winston basée sur la transformation de Cochrane.
Nous procédons maintenant à l’estimation des encours des DAV par l’application des
différents modèles des DAV non rémunérés à savoir : le modèle de Jarrow Van Deventer, le
modèle de Selvaggio et le modèle de Dupré. L’estimation de ces modèles va nous permettre
d’émettre des prévisions et surtout d’élaborer les conventions d’écoulement. Les résultats de
l’estimation de ces trois modèles sont récapitulés dans le tableau ci-dessous.
Variable dépendante
0.259*
(0.132)
0.130
(0.000663)
0.141
10.29*** (0.222)
Constant
(1.831) 0.0171 0.0432
Source : Auteur
Page 48 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
Selon les résultats obtenus, nous remarquons que le modèle de Selvaggio est celui qui
possède le coefficient d’ajustement R2 le plus élevé (89,4%), c'est-à-dire que le modèle de
Selvaggio explique 89,4% du logarithme des encours des DAV non rémunérés par les
variables explicatives retenues. Par ailleurs, dans ce modèle toutes les variables sont
significatives, sauf log Rt ce qui peut être expliqué par la négligence du taux de marché par les
déposants qui ne reçoivent pas de rémunération sur leurs dépôts à vue, donc l’évolution de
taux de marché n’a aucune influence sur les encours des DAV et sur le comportement de leurs
détenteurs. La dépendance au niveau des taux d’intérêt de l’encours par compte de dépôt à
vue serait sous cette hypothèse assez faible.
Ainsi le modèle de Selvaggio semble être le plus adéquat pour la modélisation des
encours des DAV de la BH-Bank, pour cette raison c’est ce modèle qui sera retenu dans la
suite de notre travail. Nous retenons donc l’équation suivante pour l’établissement de
l’écoulement de ces encours :
D’après les résultats de l’estimation nous pouvons conclure que la relation entre les
encours des DAV avec leurs passés est significativement positive. Une augmentation des
encours du mois dernier par 1% se traduit par l’augmentation des encours de ce mois
par 25.9%.
Nous donnons par le graphique ci-dessous, l’évolution des encours des DAV observée
et estimée par le modèle de Selvaggio, et nous concluons que le modèle de Selvaggio a une
bonne capacité prédictive parce que les prévisions sont superposées aux données réelles.
Page 49 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
Fig ure 8. Evo lution d es en cou rs obs erv és et modé li sés pa r Se lva ggi o
14,7
14,6
14,5
14,4
observée
14,3 SELVAGIO
14,2
14,1
14
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58
Une fois la modélisation des encours des DAV mis en place, vient l’étape de la
détermination de leur écoulement dans le temps. Nous devons à présent calculer D* qui
signifie l’encours cible et final qui restera stable jusqu’à l’infini et λ signifiant à son tour la
vitesse ou le taux d’écoulement. Une fois ces deux éléments sont calculés, nous pouvons
établir la convention d’écoulement des DAV.
Nous allons présenter dans ce qui suit, l’écoulement des encours des DAV du Décembre
2019.
Le modèle qui a été retenu est le modèle de Selvaggio qui s’écrit comme suit :
Où : α0 = λ * log D* et α1=1- λ
Page 50 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
1-λ = 0.259
λ * log D* = 10.29
Tab lea u 8. Par amèt res es timé s pour l’é l abor ati on
de la conv ention d ’é cou leme nt de s encours de s DAV
λ D*
Ce qui signifie que les encours s’écoulent avec une vitesse égale à 74.1% chaque mois
jusqu’à atteindre un encours cible égal à 1 065 152.756 md. Nous pouvons établir la
convention d’écoulement en utilisant la formule suivante :
Pour un encours de dépôts à vue égal à 2 230 627.285 md au 31 Décembre 2019, nous
aurons le tableau d’écoulement suivant :
Page 51 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
Tab lea u 9. Ecou lemen t des e nco urs de s dépôt s à vue d e Décem bre 201 9
janv.-20 1610883,69
Source : Auteur
1900000,00000
1700000,00000
1500000,00000
1300000,00000
1100000,00000
900000,00000
700000,00000
500000,00000
Source : Auteur
Page 52 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
D’après le tableau et le graphique ci-dessus, nous remarquons que les encours des DAV
commencent à se stabiliser à partir du mois d’Août 2020.
Tandis que le noyau stable qui est égal à 87% correspond à une ressource d’échéance
éloignée et ne présente aucun souci pour la banque, il peut être qualifié comme un coussin de
sécurité.
L’élaboration de la convention d’écoulement des encours des DAV constitue une étape
de grande importance dans la gestion du risque de liquidité qui s’articule autour de trois
étapes, commençant par la détermination des conventions d’écoulement pour les postes du
bilan qui ont une échéance incertaine, ensuite passant au calcul des impasses en liquidité et
enfin simulant des scénarios de période de tension.
Page 53 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
Les DAV sont des passifs difficiles à modéliser vu leur caractère volatile, ce qui accroit
le risque de liquidité auquel la banque peut s’exposer. Il suffit qu’une grande entreprise retire
une partie ou la totalité de ces dépôts pour que la banque se retrouve en besoin de liquidité.
Page 54 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
Alpha 0,05
Source : Auteur
Etant donné que la p-value calculée est inférieure au niveau de signification alpha=0,05,
nous devons rejeter l'hypothèse nulle H0, et retenir l'hypothèse alternative Ha. Nous pouvons
confirmer alors que notre série est stationnaire avec tendance. Elle est donc intégrée d’ordre
0. Le graphique ci-dessous vient nous confirmer ce résultat.
Fig ure 10 . Evo lu tio n des en co urs de s DAV entre Janv ier 201 5 et Dé cembr e 2019
14,7
14,6
14,5
14,4
D
14,3
14,2
14,1
14
déc.-14 juil.-15 janv.-16 août-16 mars-17 sept.-17 avr.-18 oct.-18 mai-19 déc.-19 juin-20
time
Source : Auteur
Une fois nous avons déterminé le degré d’intégration, nous passons à l’identification
des paramètres p et q du processus ARIMA (p,d,q) et ceci en se référant au résultat du test de
Breush godfrey basé sur l’hypothèse nulle d’absence d’auto-corrélation.
1 3.668 0.056
2 7.576 0.023
Page 55 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
A un seuil de risque 5% l’ordre d’auto-régression retenu est 2. . Le résultat est supporté par le
schéma de l’autocorrélogramme partiel.
0,8
0,6
Autocorrélation partielle
0,4
0,2
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
-0,2
-0,4
-0,6
-0,8
-1
Décalage
Source : Auteur
Nous allons par la suite déterminer le paramètre q du processus ARIMA, par Le test de MA
qui est remplacé par le test de normalité des résidus (Jarque-Bera).
DDL 2
Alpha 0,05
Source : Auteur
Page 56 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
Etant donné que la p-value calculée est supérieure au niveau de signification seuil
alpha = 0,05, nous ne pouvons pas rejeter l'hypothèse nulle H0. Selon le résultat de ce test
nous pouvons confirmer que les résidus ne sont pas autorégressifs. Le graphique
d’autocorrélogramme des résidus nous confirme ce résultat.
0,8
0,6
Autocorrélation partielle
0,4
0,2
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
-0,2
-0,4
-0,6
-0,8
-1
Décalage
Source : Auteur
1.2. Compara ison e ntr e le mod èle d e Se lva ggio e t le mod èl e AR(2) :
Nous présentons par le graphique ci-dessous l’ajustement des encours des DAV
observés au modèle de Selvaggio et au modèle AR(2).
Page 57 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
Fig ure 13 . Evo lu tio n des en co urs de s d épot s à vue o bser vés ,
modélisé s par Selv agg io e t AR(2)
14,7
14,6
14,5
14,4
D
14,3
ARIMA
14,2
Selvagio
14,1
14
juil.-16
juil.-15
avr.-17
juil.-17
juil.-18
juil.-19
avr.-15
avr.-16
avr.-18
avr.-19
oct.-15
janv.-15
janv.-16
oct.-16
janv.-17
oct.-17
janv.-18
oct.-18
janv.-19
oct.-19
En mettant en confrontation le modèle de Selvaggio et le modèle AR(2), nous déduisons
que le modèle AR(2) possède un ajustement meilleur que celui de Selvaggio. Nous allons
donc effectuer la prévision des encours futurs en se basant sur le modèle AR(2).
Fig ure 14 . Evo lu tio n des en co urs mod él isés e t pré dit s par l e modè le AR(2)
14,7
14,6
14,5
14,4
D
14,3
14,2
14,1
14
déc.-14 mai-16 sept.-17 févr.-19 juin-20 oct.-21
ARIMA (D) k Validation
Prédiction Borne inférieure (95%)
Borne supérieure (95%)
Source : Auteur
Page 58 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
Le graphique ci-dessus, illustre d’une part les encours ajustés selon le modèle AR(2)
présentés sur la courbe par la couleur rouge, et d’autre part la prévision présentée par la
couleur verte. Nous remarquons d’après le graphique que les encours des DAV de la BH-
Bank auront une tendance baissière dans le futur. Ce qui nous semble un résultat attendu vu le
contexte économique et sanitaire national récemment vécu, qui a freiné principalement le
développement de la production de crédits, l’activité de change et la production nouvelle des
dépôts à vue.
Compte tenu de ce constat, la BH-Bank doit rester regardante sur la qualité de son
portefeuille, la solidité de ses fondamentaux et l’évolution de son cout de risque. Elle doit
analyser et évaluer le risque de liquidité auquel s’exposerait si les encours des DAV vont
diminuer.
ŷt = αyt + (1 – α) ŷt-1
En appliquant cette technique sur la série des encours des dépôts à vue de la BH-Bankn
nous obtenons le graphique ci-dessous qui illustre la prévision des encours :
Page 59 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
Fig ure 15 . Evo lu tio n des en co urs pr édi t s par la t ec h niq ue de liss age e xpo nen ti el simp le
14,7
14,6
14,5
14,4
D
14,3
14,2
14,1
14
déc.-14 mai-16 sept.-17 févr.-19 juin-20 oct.-21
k
Exponentiel(D) Validation Prédiction
Borne inférieure (95%) Borne supérieure (95%)
Source : Auteur
Nous remarquons d’après ce graphique que les encours des dépôts à vue de la BH-Bank
auront une tendance baissière dans le futur mais à un rythme très faible voir une stagnation.
Page 60 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
Le stress test donne une idée sur la capacité d’une banque à faire face à une situation de
crise où touts les indicateurs de gestion bancaire sont détériorés. Lorsque le stress test est visé
pour le secteur bancaire ou le système financier en générale, nous l’appelons « stress test
financier » qui répond à deux notions telles que : le stress qui est causé par une force exogène
menant le système financier à un état de crise et de dysfonctionnement et la deuxième notion
s’agit du « secteur financier » qui est constitués des institutions financières, des marchés
financiers, leur règlementation…
Au niveau international, nous distinguons le stress test Européen proposé par la BCE et
le stress test des Etats-Unis exigé par la Réserve Fédérale (FED). Le stress test Européen est
basé sur deux scénarii, un scénario de base et un scénario pessimiste. La FED quant à elle
propose trois scénarii : un scénario de base, un scénario pessimiste et un scénario sévère. En
effet, le scénario sévère est basé sur des hypothèses plus tranchantes que pour le scénario
pessimiste.
Page 61 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
Le secteur bancaire Tunisien est entrain de passer par une situation très fragile, causée
par la crise sanitaire Covid-19 qui a engendrée des évènements inédits. En effet, une grande
partie des ressources productives s’est retrouvée à l’arrêt et la capacité de production
habituelle s’est dégradée.
Les mesures prises par la BCT sont très marquantes de par leur impact sur le secteur
bancaire. Il s’agit essentiellement de la baisse du taux directeur de 100 pbs, du report des
échéances de remboursement des crédits aussi bien pour les particuliers que pour les
entreprises et assouplissement des règles de refinancement afin de faciliter la tache de
financement des entreprises en garantissant les moyens pour le secteur bancaire. Ces mesures
ont eu un impact négatif sur les banques Tunisiennes.
Commençant par la baisse du taux directeur qui a eu un impact négatif sur la marge
d’intérêt, vu une grande partie des emplois est à taux variable. Passant à l’application de deux
circulaires n° 2020-07 et n° 2020-08 qui stipulent le report des tombées des crédits entre Mars
et Septembre 2020.
En effet, cette mesure consiste à consolider l’encours arrêté à la date du report majoré
des intérêts courus au taux conventionnel du crédit initialement octroyé et ceci sans facturer ni
des intérêts de retard ni des pénalités. Le manque à gagner relatif à la non facturation des
intérêts intercalaires sera supporté par la banque. Etant privées d’une partie de remboursement
et des intérêts de retard, les banques pourraient s’exposer à un besoin de liquidité. Aussi les
banques ont enregistré un manque à gagner provenant de la gratuité des retraits d’espèces au
niveau des distributeurs, ce qui encourage au même temps le retrait massif des dépôts à vue.
Selon cette analyse deux effets sur les banques Tunisiennes seront attendus, un premier
effet sur le PNB expliqué par la baisse des produits d’intérêts causé par la baisse du taux
directeur et le report des crédits et la diminution des commissions du fait de la gratuité des
services monétiques. Un deuxième effet peut être généré par l’introduction des mesures citées
ci-dessus est l’effet sur le ratio de liquidité qui est le cœur de notre étude, cet effet peut se
traduire par la forte dégradation de ce ratio compte tenu de la baisse importante des dépôts de
la clientèle et du retrait massif des dépôts à vue.
Page 62 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
- Scénario 1 : prévoir une pression inédite sur les retraits des dépôts à vue, ce scénario
suppose le retrait de 30% des dépôts à vue sur trois mois à un rythme de 10% par
mois.
- Scénario 2 : prévoir une pression plus stressante que la première, un retrait sur un
horizon très court de 10 jours.
- Scénario 3 : prévoir une pression plus sévère que les deux précédentes, soit un retrait
du montant total des dépôts à vue en un seul coup.
Afin de mettre en place un stress test pour la liquidité adapté à la BH-Bank, nous allons
donc définir un stress test plus personnalisé que celui exigé par le régulateur ou le comité de
Bâle. Dans le but de mesurer l’impact d’un retrait imprévisible des dépôts, nous aurons
besoins de choquer deux paramètres : la part volatile et la durée ou la vitesse d’écoulement.
La part volatile est représentée par la part de l’encours qui disparait dans un laps du
temps très réduit. Elle est calculée par le coefficient de variation des encours des DAV.
Le but c’est d’appliquer un choc sur la part volatile, pour ce faire, nous aurons besoin de
simuler plusieurs trajectoires d’évolution des encours des DAV.
Page 63 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
Avec : εt est un bruit blanc qui suit une loi normal N (µ, σ2), nous rappelons que εt représente
l’écart entre les données réelles et les données estimées.
Le deuxième paramètre autour duquel s’articule notre stress test est la vitesse
d’ajustement ou la vitesse d’écoulement λ qui donne comme information la durée
d’écoulement de la partie volatile. Comme a été précédemment expliqué la dynamique de
l’écoulement s’obtient en appliquant la formule suivante :
λ= 1 – α1
D*= exp ( )
Afin d’obtenir différentes valeurs de la vitesse d’écoulement, nous nous sommes basés
sur l’intervalle de confiance de α1 à des seuils de significativité différents. L’intervalle de
confiance prend la forme suivante : [α1min ; α1max] tel que la valeur α1min correspond à la plus
grande valeur de λ puisque λ=1 - α1.
Plus la valeur de la vitesse d’ajustement est grande plus la durée d’écoulement est
courte c'est-à-dire que l’encours s’évapore rapidement. Nous retenons donc comme scénario
de choc, la valeur minimale de α1 c'est-à-dire la valeur maximal de λ pour différents seuils de
significativité 1%, 5%, 10%.
Page 64 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
3.2. Ré sulta ts :
W 0,972
Alpha 0,05
Alpha 0,05
Source : Auteur
Etant donné que la p-value calculée est supérieure au niveau de signification seuil
alpha=0,05, nous ne pouvons pas rejeter l'hypothèse nulle H0.
Synthèse :
Source : Auteur
Page 65 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
0,9
0,1
Fonction de répartition théorique
0,8
0,5 0
-0,15 -0,1 -0,05 0 0,05 0,1 0,15
0,4
0,3 -0,05
0,2
-0,1
0,1
0
0 0,2 0,4 0,6 0,8 1 -0,15
resid
Fonction de répartition empirique
Nous obtenons donc la moyenne des résidus µ= 0, et leur variance σ2=0.003. Nous
allons donc simuler des bruits blancs en tenant compte de ces paramètres en appliquant un
choc au niveau de la variance.
Cette équation nous a permis de simuler 200 trajectoires donc 200 coefficients de
variation. Les coefficients de variation générés varient entre une valeur minimale égale à 18%
et une valeur maximale égale à 70%.
Après la simulation, nous allons choquer la vitesse d’ajustement qui consiste à garder la
borne inférieur de l’intervalle de confiance de α1.
1% 0.028 0.694
5% 0.111 0.611
Source : Auteur
Page 66 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
1% 97,2%
5% 88,9%
10% 84,8%
Source : Auteur
Avec :
Tab lea u 16. Pa ramè tres choq ués p our l ’él abor at ion d e la conv ent ion d ’é cou le ment
choq uée d es en cou rs des DAV
D*
0.889 25 403.244
Page 67 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
Tab lea u 17. Ecou leme nt ch oqu é des e n cour s des dé pô ts à vue d e Décembre 2 019
janv.-20 933066,788
Source : Auteur
Page 68 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
2000000,00000
1800000,00000
1600000,00000
1400000,00000
1200000,00000
1000000,00000
800000,00000
600000,00000
400000,00000
200000,00000
0,00000
Source : Auteur
Nous remarquons d’après le tableau et le graphique ci-dessus qu’en Février 2020, en cas
de situation extrême, 70% des encours des DAV seront retirés d’un seul coup, soit un montant
égal à 660 659,807 md. Ce montant doit être refinancé à un coût élevé.
Nous constatons aussi qu’en cas de crise la partie stable s’amoindrit c'est-à-dire les
ressources d’échéance éloignée, donc la banque est exposée à un risque de liquidité très
important.
Page 69 sur 99
Chap itr e II. Modé lis ation de s dépô ts à vue, cons tru cti on de la conv ent ion d ’é cou lemen t
et str ess TESTING
Conclus ion :
Les résultats obtenus en appliquant cette méthodologie sur les données des encours des
DAV de la BH-Bank montrent que les encours s’écoulent au fil du temps. Ce constat est
expliqué par le comportement instable des détenteurs des comptes à vue. Cependant,
l’écoulement se fait à un rythme faible qui garantit à la banque une part stable assez
importante.
En effet, la modélisation de ces ressources est essentielle mais non suffisante pour la
gestion globale du risque de liquidité. C’est pourquoi nous nous intéressons au niveau de la
dernière section à la simulation de plusieurs scénarii de stress de liquidité et l’impact sur
l’écoulement des encours de DAV. A partir ces différents scénarii nous avons constitué la
convention d’écoulement choquée.
Page 70 sur 99
Conclus ion g énér ale
C ONCLUSION G ENERALE
Page 71 sur 99
Conclus ion g énér ale
Au terme de ce travail il sied de dire, que les dépôts à vue revêtent une importance
croissante au sein d’une banque, représentant pour la BH-Bank, à eux seuls hors les comptes
sur livrets en 2019, 32% des ressources nécessaires pour le financement des crédits, donc
l’enjeu est de taille pour notre banque.
Toutefois, les résultats obtenus restent à considérer avec prudence compte tenu de la
non considération d’une étude comportementale plus spécifiée et ceci est du à la non
disponibilité des données. En effet, le comportement d’un retail est différent du comportement
d’une Coroprate et le comportement d’une grande entreprise et aussi différent du
comportement d’une petite moyenne entreprise…
Ainsi cette étude trouverait son prolongement dans l’introduction d’autres variables qui
peuvent influencer les encours des dépôts à vue telles que, l’âge du compte, le nombre des
comptes…
De plus afin de mettre en place un référentiel ALM exhaustif pour calculer les impasses
en liquidité, il est obligatoire d’analyser tous les postes de bilan non échéanciers. Il faut noter
qu’il n’y a pas que les dépôts à vue qui possèdent cette spécificité, mais vu leur lourdeur dans
les ressources de la banque, nous avons décidé de focaliser notre étude sur cette composante.
Il y a d’autres sources d’incertitude liées au comportement de la clientèle. En effet, les options
cachées offertes par la banque constituent aussi une inquiétitude quant à la mesure des
impasses parce que leur écoulement peut être modifié à tout moment. Nous retenons parmi
ces options, les options de remboursement anticipé des crédits qui peuvent avoir un impact
négatif sur le gain futur de la banque. Il serait donc utile d’élargir cette étude par la
modélisation de ces options par des modèles comportementaux en fonction de l’ancienneté du
contrat et des taux de marché.
Page 72 sur 99
Conclus ion g énér ale
Page 73 sur 99
Référ en ces bibliog rap hiq ues
R EFERENCES B IBLIOGRAPHIQUES
Page 74 sur 99
Référ en ces bibliog rap hiq ues
A r tic le s s ci e n t if iq u e s :
Adam Alexander (2007) Handbook of Asset and Liability Management: From Models
to Optimal Return, 576p.
Altunbaş, Y., Gardener, E. P. M., Molyneux, P., and Moore, B. (2001), “Efficiency in
European Banking,” European Economic Review, Vol. 45, 1931-1955.
Angbazo, L. (1997), “Commercial Bank Net Interest Margins, Default Risk, Interest-
Rate Risk, and Off-Balance Sheet Banking,” Journal of Banking and Finance, Vol.
21, 55-87.
Aspachs, O., Nier, E., and Tiesset, M. (2005), “Liquidity, Banking Regulation and the
Macroeconomy: Evidence on Bank Liquidity Holdings from A Panel of UK-Resident
Banks,” Bank for International Settlements. Athanasoglou, P. P.
Bank of Japan (2014). Survey on Core Deposit Modeling in Japan: Toward Enhancing
Asset and Liability Management, Bank of Japan Report and Research Paper.
Barth, J. R., Caprio Jr., G., and Levine, R. (2001), “The Regulation and Supervision of
Banks around the World: A New Database,” World Bank Policy Research Working
Paper NO. 2588.
Barth, J. R., Caprio Jr., G., and Levine, R. (2004), “Bank Regulation and Supervision:
What Works Best?” Journal of Financial Intermediation, Vol. 13, 205-248.
Barth, J. R., Nolle, D. E., Phumiwasana, T., and Yago, G. (2003), “A Cross-Country
Analysis of the Bank Supervisory Framework and Bank Performance,” Financial
Markets, Vol. 12, 67-120.
Basel Committee on Banking Supervision (2004). Principles for the Management and
Supervision of Interest Rate Risk.
Page 75 sur 99
Référ en ces bibliog rap hiq ues
Beck, T., Demirgüç-Kunt, A., Levine, R., and Maksimovic, V. (2000), “Financial
Structure and Economic Development: Firm, Industry, and Country Evidence,” World
Bank Policy Research Working Paper NO. 2423.
Cox, J.C., Ingersoll J.E. and Ross S.A. (1985). A Theory of the Term Structure of
Interest Rates, Econometrica, vol. 53.
Page 76 sur 99
Référ en ces bibliog rap hiq ues
Davis, E. P. (2008), “Liquidity, Financial Crises and the Lender of Last Resort - How
Much of A Departure is the Sub-prime Crisis?,” Paper presented at the Reserve Bank
of Australia conference.
Demirgüç-Kunt, A., Laeven, L., and Levine, R. (2003), “The Impact of Bank
Regulations, Concentration, and Institutions on Bank Margins,” World Bank Policy
Research Working Paper NO. 3030.
Dermine, J. (2015). Basel III leverage ratio requirements and the probability of bank
runs, Journal of Banking and Finance, vol. 53.
Diamond, D. W., and Dybvig, P. H. (1983), “Bank Runs, Deposit Insurance, and
Liquidity,” Journal of Political Economy, Vol. 91, 401-419.
Djankov, S., La Porta, R., Lopez-de-Silanes, F., and Shleifer, A. (2002), “The
Regulation of Entry,” The Quarterly Journal of Economics, Vol. 117, 1-37.
Page 77 sur 99
Référ en ces bibliog rap hiq ues
Dupré Denis, Mohamed El Babsiri (1997). ALM : techniques pour la gestion actif
passif Paris : Eska, 174 p.
Lloyd-Williams, D. M., Molyneux, P., and Thornton, J. (1994), “Market Structure and
Performance in Spanish Banking,” Journal of Banking and Finance, Vol. 18, 433-443.
Maddala, G. S., and Wu, S. (1999), “A Comparative Study of Unit Root Tests with
Panel Data and a Simple New Test,” Oxford Bulletin of Economics and Statistics, Vol.
61, 631-652.
Matz, L. (2008), “Liquidity Risk: New Lessons and Old Lessons,” Financial
Managers Society Inc.
Maudos, J., and Fernández de Guevara, J., (2004), “Factors Explaining the Interest
Margin in the Banking Sectors of the European Union,” Journal of Banking and
Finance, Vol. 28, 2259-2281.
Maudos, J., and Solís, L. (2009), “The Determinants of Net Interest Income in the
Mexican Banking System: An Integrated Model,” Journal of Banking and Finance.
Michel Piermay, Pierre Mathoulin, Arnaud Cohen (2002). La gestion actif-passif d'une
compagnie d'assurance ou d'un investisseur institutionnel. Paris : Economica, 111 p.
Miller, S. M., and Noulas, A. G. (1997), “Portfolio Mix and Large-Bank Profitability
in the USA,” Applied Economics, Vol. 29, 505-512. .
Page 78 sur 99
Référ en ces bibliog rap hiq ues
Paul Demey, Antoine Frachot, Gaël Riboulet (2003). Introduction à la gestion actif-
passif bancaire. Economica, 156 p.
White Paper. Matz, L., and Neu, P. (2007), Liquidity Risk Measurement and
Management: A Practitioner's Guide to Global Best Practices, John Wiley & Sons
(Asia) Pte Ltd, Singapore.
C ir cu la ir e s :
Page 79 sur 99
Annex es
ANNEXES
Page 80 sur 99
Annex es
------------------------------------------------------------------------------
d | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
d |
L1. | .2585903 .1320787 1.96 0.055 -.0061013 .5232818
|
r | .1304278 .0652683 0.23 1.051 -.0003729 .2612285
t | .0047833 .0011827 4.04 0.000 .0024132 .0071535
_cons | 10.28975 1.830527 5.62 0.000 6.621292 13.95821
------------------------------------------------------------------------------
. hettest
chi2(1) = 0.81
Prob > chi2 = 0.3680
. estat vif
Page 81 sur 99
Annex es
t | 9.35 0.106969
D |
L1. | 8.87 0.112715
R | 5.18 0.192960
-------------+----------------------
Mean VIF | 7.80
. estat dwatson
------------------------------------------------------------------------------
D.d | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
r | -.0043082 .0350164 -0.12 0.903 -.0744273 .0658109
_cons | .0151201 .0602722 0.25 0.803 -.105573 .1358132
------------------------------------------------------------------------------
. hettest
chi2(1) = 0.01
Prob > chi2 = 0.9386
. estat vif
Page 82 sur 99
Annex es
. estat dwatson
------------------------------------------------------------------------------
D.d | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
r | -.0058494 .0208181 -0.28 0.780 -.0475531 .0358542
_cons | .0170602 .0358241 0.48 0.636 -.054704 .0888244
-------------+----------------------------------------------------------------
rho | -.4883509
------------------------------------------------------------------------------
------------------------------------------------------------------------------
d | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
d |
L1. | .9176459 .0518337 17.70 0.000 .8138508 1.021441
|
Page 83 sur 99
Annex es
. hettest
chi2(1) = 1.61
Prob > chi2 = 0.2049
. estat vif
. estat dwatson
------------------------------------------------------------------------------
d | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
d |
L1. | .9711949 .0322538 30.11 0.000 .9065827 1.035807
|
_cons | .4210114 .4635037 0.91 0.368 -.5074981 1.349521
-------------+----------------------------------------------------------------
Page 84 sur 99
Annex es
rho | -.4813018
------------------------------------------------------------------------------
------------------------------------------------------------------------------
D.d | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
r |
--. | .0069214 .0129939 0.53 0.596 -.0191085 .0329512
D1. | .2529528 .2947026 0.86 0.394 -.3374075 .8433132
|
t | -.0001997 .0006448 -0.31 0.758 -.0014914 .001092
------------------------------------------------------------------------------
. hettest
chi2(1) = 0.66
Prob > chi2 = 0.4182
. estat vif
. estat dwatson
Page 85 sur 99
Annex es
------------------------------------------------------------------------------
D.d | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
r |
--. | -.0272601 .0457412 -0.60 0.554 -.1189656 .0644454
D1. | .1413598 .2224882 0.64 0.528 -.3047021 .5874218
|
t | .0002942 .0006632 0.44 0.659 -.0010354 .0016239
_cons | .0432072 .0608285 0.71 0.481 -.0787465 .165161
-------------+----------------------------------------------------------------
rho | -.4874323
------------------------------------------------------------------------------
Page 86 sur 99
Annex es
. dfuller d , const
------------------------------------------------------------------------------
------------------------------------------------------------------------------
. dfuller d , trend
------------------------------------------------------------------------------
------------------------------------------------------------------------------
Page 87 sur 99
Annex es
------------------------------------------------------------------------------
-------------+----------------------------------------------------------------
d |
------------------------------------------------------------------------------
------------------------------------------------------------------------------
-------------+----------------------------------------------------------------
d |
Page 88 sur 99
Annex es
------------------------------------------------------------------------------
------------------------------------------------------------------------------
-------------+----------------------------------------------------------------
d |
------------------------------------------------------------------------------
Page 89 sur 99
Tab le des ma tières
I N T R O D U C T I O N G E N E R A L E ........................................................................................................... 1
C H A P I T R E I . L A G E S T I O N A C T I F - P A S S I F B A N C A I R E , M E T H O D E S E T P RA T I Q U E S
E X I S T A N T E S D E M O D E L I S A T I O N D E S R E S S O U R C ES A V U E ................................................ 6
SECTION II. L’enjeu des dépôts a vue en gestion actif -passif : étude bibliogr aphique
......................................................................................................................................................... 27
2.2.2. Le modèle Dupré (19 96), Jar row et Van Deventer (19 98) : ............................... 31
Page 90 sur 99
Tab le des ma tières
Page 91 sur 99
Tab le des ma tières
SECTION III. STRESS TESTIN G ET IMPACT SUR LES INDICATEURS DE MESURE ......... 61
C O N C L U S I O N G E N E R A L E ............................................................................................................. 71
R E F E R E N C E S BI B L I O G R AP H I Q U E S ............................................................................................. 74
A N N E X E S ........................................................................................................................................... 80
Page 92 sur 99